8月19日，宇树科技敲钟上市。领导、嘉宾、承销商和投资人都在笑，王兴兴站在合影中央，始终抿着嘴，表情严肃。当天宇树开盘上涨629%，市值一度达到4449亿元；按照开盘价计算，王兴兴持股价值超过千亿元。社交网络迅速把注意力转向一个很朴素的问题：他为什么不笑？

网友替他准备了不少答案。有人说，上市辅导机构提前要求他做好表情管理；有人觉得，工程师对敲钟和首富头衔缺少兴趣；还有人调侃，别人参加的是上市仪式，王兴兴参加的是一场流程很长的工作会议。

这也不怪网友们太八卦。毕竟那一天，机器人行业整体上很有理由高兴。宇树敲钟几个小时后，2026世界机器人大会在北京亦庄开幕。300多家企业带来了2000多件展品和150多款首发新品，展馆里到处都是举着手机的人。宇树机器人打乒乓球、跳舞、格斗，约3米高的载人机甲被围得水泄不通；众擎把UFC格斗赛搬到现场；小米时隔4年重新带着人形机器人参展。

一家明星公司刚刚在上海获得数千亿元估值，北京展馆里的更多公司也在展示自己的进度。机器人的动作越来越快，产品越来越多，一级市场长期等待的退出通道也已经被宇树打开。整个行业都处在一种接近庆功的气氛里，王兴兴那张严肃的脸因而显得更加突兀。

有意思的是第二天，宇树股价下跌18.7%，总市值回落至2779亿元。前一天关于“王兴兴为什么不笑”的讨论还没有散去，那张合影又被网友翻了出来。有人调侃，他在敲钟当天已经提前做好了第二天的表情管理。

王兴兴没有回应这些玩笑，而是决定去聊那些更重要的事。当天，他在WRC发表了宇树上市后的第一次公开演讲，题目是《从展品到产品：人形机器人产业的下一个十年》。他承认，目前的人形机器人已经能够完成一些简单装配，效率仍然低于人工。一个模型在固定场景中反复训练，任务成功率可以接近100%；操作物品或者周围环境稍有变化，成功率便会明显下降。每增加一项任务，团队往往还要重新采集数据、重新训练。

他也延长了自己对“具身智能ChatGPT时刻”的预测。2025年的世界机器人大会上，王兴兴给出的时间是最快1—2年，最慢3—5年。今年变成了最快2—3年，最慢5—10年。

而王兴兴演讲的8月20日，恰好是WRC历史上的第一个“采购日”。过去几届大会一直在谈机器人如何从展台进入工厂，今年，主办方第一次拿出完整一天，让买家与展商直接讨论采购。展台上的介绍也开始出现成功率、连续运行时间和单位小时处理量：小米公布“铁大”在汽车工厂完成自攻螺母上件的成功率达到98%；自变量机器人展示的WALL-B每小时可以处理1816件包裹，成功率超过98%；乐聚让机器人在现场挑战单日连续工作8—10小时。

展台开始报数字，采购方需要确认的是这些数字的边界。98%的成功率覆盖了多少种任务和多少次操作，连续运行8小时中出现过几次人工接管，物品、光照或工位发生变化后性能会衰减多少，重新部署又需要投入多少工程时间。买方需要知道一台机器人会在什么条件下失效，以及每次失效会带来多少停线、维护和重新训练成本。

这些边界得到验证，采购意向才会变成订单；同一批客户持续复购，订单才会形成稳定收入。传统VC熟悉的路径其实也是由此展开：公司先在产品和收入中完成商业验证，再进入公开市场，早期投资人完成退出。

只不过本届WRC展示了一条被重新排列的路径。行业刚刚开始集中讨论采购和交付，第一家明星公司已经完成上市。技术临界点仍以年为单位向后计算，一级市场与二级市场的交接却提前发生了。也就是说，具身智能由此打破了VC长期遵循的一项前提：退出需要等待产业成熟。公开市场可以接过尚未完成的技术风险，一级市场则在商业化充分展开之前兑现回报。投资判断中也增加了一项分量极重的变量——谁能率先成为二级市场上的稀缺标的。

本期VC Weekly从这条提前到来的交接线开始。当上市速度可能快于产业成熟速度，VC该如何重新理解周期、风险与回报？

本周重点推荐：机器人还在青春期，资本市场已经开始给它定价

8月17日，国际知名律所富而德（FreshFields）律师事务所更新了旗下播客《The AI Drop》：《The AI Drop#18: What's a Robot Worth? Valuation, Data & the Power of Physical AI with Shenwei Zhu and Lauren Schwartz》。

节目在花旗银行举办的机器人与物理AI大会现场录制。两位嘉宾分别站在资本和产业的一侧。朱申维（Shenwei Zhu，音译）负责花旗银行全球工业技术与机器人投资银行业务，参与过超过500亿美元的并购、IPO和融资交易；劳伦·施瓦茨（Lauren Schwartz）是AI数据服务公司Centific的首席信息安全官兼总法律顾问，日常工作涉及训练数据、数据权属和产品责任。

主持人问物理AI是否已经成熟。施瓦茨称它正处于“青春期”：机器人已经从演示走向部署，距离稳定和成熟仍有一段路。朱申维的判断更加靠前，他认为物理AI仍处于“婴儿期”，因为机器人已经存在了70年，在庞大的实体经济中渗透率依然很低。

两人没有把行业说得很成熟，会场里的资金却已经覆盖VC、成长基金、主权财富基金、共同基金和对冲基金。朱申维谈到，机器人公司同时在私募和公开市场获得大额融资。只要商业进展、单位经济模型和技术壁垒能够获得投资人认可，资金来源就可以从早期VC一直延伸至公开市场。

这场讨论里反复出现的一句话是：“我们卖的已经不只是机器人，而是结果。”机器人公司的单位经济模型因此包含两本账。第一本属于客户：每部署一台机器人，能够增加多少产出、减少多少成本。第二本属于公司：每生产、交付和维护一台机器人，能够留下多少利润。客户得到回报，公司却无法形成利润，规模越大可能亏得越多；公司毛利可观，客户迟迟无法回本，订单也很难持续。

数据构成了另一层价值。施瓦茨被问到什么样的机器人公司能够赢得下一个十年，她的回答是：“拥有最好的数据，而且真正拥有这些数据。”

机器人采集的第一视角视频、人体动作和远程操作记录，可能包含生物识别信息；同一批数据还会经过采集、标注、训练和模型迭代，原始数据、加工数据和模型权重分别属于谁，会直接影响公司的资产边界。机器人在下游造成事故以后，提供数据的一方是否需要承担责任，也很难只靠一份通用隐私协议解决。

因此，施瓦茨提醒创始人：“数据就是产品”——数据权利需要在融资条款、客户合同和产品定价阶段确定。等到公司准备上市，再回头整理哪些数据可以持续使用、哪些数据能够跨境、哪些模型权重真正属于公司，成本会高得多。

朱申维最后给出了一条更接近IPO实务的建议。计划上市的机器人公司，应当提前引入同时投资一级和二级市场的机构，让未来的公开市场股东在公司仍未上市时开始观察、理解并建立信任。

宇树已经把这条路径走到了台前。机器人仍在解决数据、场景、交付和责任问题，公开市场已经开始参与定价。上市不再等到产业问题全部得到回答以后发生，它本身也成为产业继续获得资金、扩大部署和完成验证的一环。

本周其他推荐：留一半的钱用来追投，但追投的决策通常很草率

8月19日，机构投资人访谈节目《How I Invest with David Weisburd》更新了《E418: AI, Venture Capital & the Future of Investing》。

嘉宾约翰·梅拉斯-基里亚齐（John Melas-Kyriazi）是投后管理平台Standard Metrics联合创始人兼CEO，此前曾在Spark Capital从事投资。Standard Metrics连接了超过12000家被投公司的经营和融资数据，他既了解投资机构怎样使用AI，也能看到资金交出去以后，哪些决策仍然缺少系统支持。

节目先从AI如何进入VC工作流程谈起。许多基金已经用大模型整理创业者的职业经历、公司公开信息和行业资料。更进一步的用法，是让AI扮演投资备忘录的反方：备忘录完成后，由模型逐项攻击其中的市场假设、竞争判断和增长逻辑，再把发现的问题带回投委会。梅拉斯-基里亚齐提到，这套“红队测试”最初只是某位投资人的个人习惯，验证有效以后，逐渐成为整个基金的固定流程。

随后，讨论转向一个资金占比更高、流程却更随意的环节：追投。

约翰·梅拉斯-基里亚齐发现，首次投资一家公司之前，基金通常会做客户访谈、背景调查、投资备忘录和投委会辩论。等公司进入下一轮融资，合伙人会议里的讨论可能只剩几句话：“公司发展得很好。我们持有15%，继续按比例跟投吧。”

而且许多基金会留下30%至50%的资金用于追投。追投策略会直接影响基金能否将资金集中到少数赢家身上，获得的审查却经常少于一笔新的投资。

主持人在这里介绍了美国早期风险投资机构Homebrew的做法。Homebrew由亨特·沃克（Hunter Walk）和萨蒂亚·帕特尔（Satya Patel）共同创办。两人要求基金在被投公司的每一轮融资中重新作出选择：按照当前价格和最新信息，基金愿意成为净买方，还是净卖方。所谓“继续持有”并不是一个独立选项，按比例跟投也不能沿用上一轮的结论。

这两段讨论共同指向VC流程中的一处断层。基金已经开始用AI审查首次投资的逻辑，却可能用几分钟决定占基金规模近一半的追投资金。上一轮投资备忘录、公司后续经营数据和本轮融资价格都已经存在，完全可以重新比较原有假设与实际进展，再决定是否继续投入。

再具体到像具身智能这样的行业，其融资、估值和技术进度都在快速变化。第一次投资时成立的判断，到了下一轮未必仍然成立；公司更早走向IPO以后，基金还会提前面对继续持有、部分退出和转入公开市场投资的问题。追投因此不能只回答“公司发展得好不好”，还要回答：按照今天的价格，如果尚未持有这家公司，基金是否仍愿意重新买入。

本周的第二期其他推荐来自《How I Invest》。8月14日，这档节目更新了《E416: Why the World’s Biggest Investors Are All Investing in Data Centers》。嘉宾乔尔·霍尔辛格（Joel Holsinger）负责全球另类资产管理机构Ares Management的另类信贷业务，长期寻找具有合同现金流和下行保护的资产。主持人和他聊了一个趋势性的问题：

为什么顶级的PE、资管公司都在砸钱投资数据中心？而不是多样化地去布局其他资产？

霍尔辛格回答，一座已经建成并租给Meta、Google或Amazon的数据中心，本质上是一项长期租赁资产。租户签下15年至20年的合同，定期支付租金。机房里运行的是迭代速度最快的技术，放进信贷模型以后，却成了一笔“相当无聊的投资”。

这里的“无聊”是一种褒义。信贷机构不需要每天预测哪家模型公司最终获胜，只需要检查租户信用、租约期限、合同现金流、资产残值和电力供应。即使数据中心的毛利率不如软件，稳定而庞大的现金流仍然能够支撑大额融资。

长期合同也不能消除所有风险。数据中心可能遇到设备迭代、客户变化和区域电力短缺，因此Ares Management不会只押注一个项目，而会配置多个地区、多个租户和多座数据中心。霍尔辛格在节目中反复强调：“不是一座数据中心，而是多座数据中心。”风险需要通过资产组合被拆开。

沿用这套框架观察机器人，资金进入具身智能的方式也可以更加具体。机器人公司如果能够与工厂、物流企业或零售商签订长期服务合同，按照设备数量、工作时长或完成的任务收费，未来收入就可能被转化为融资依据。已经跑通的场景可以使用信贷资金复制设备，股权资金继续承担技术研发和市场扩张的风险。

机器人与数据中心之间仍有差异。机器人的设备残值更低，维护频率更高，客户能否持续使用也更难预测。信贷资金不会因为一份合同立即大规模进入。它会要求合同更长、客户信用更好、设备使用率更稳定。具身智能的商业验证由此多了一套具体尺度：除了公司能否上市，还要看它的合同是否已经可靠到能够借到钱。

本周第三期其他推荐，来自科技媒体TechCrunch的创业播客《Build Mode》。节目由TechCrunch创业公司大赛Startup Battlefield负责人伊莎贝尔·约翰内森（Isabelle Johannessen）主持。

嘉宾萨沙·奥尔洛夫（Sasha Orloff）是AI会计平台Puzzle创始人兼CEO，此前曾创办金融科技公司LendUp，并参与创立Mission Lane。由他创办的多家公司累计完成了超过10亿美元的股权和债权融资。他经历过从YC早期融资到大型机构轮的完整过程，也曾因为资料室没有准备好，险些失去一份已经拿到的投资条款。

奥尔洛夫在节目里说：“投资人喜欢与现实保持良好关系的创始人——”这里的“现实”指公司究竟赚了多少钱、还能运行多久、哪些业务正在增长，以及增长需要付出什么成本。

融资新闻通常只会展示增长、估值和新投资人，公司内部却很少有所有指标同时向好的时刻。销售增长过快，可能给交付和客户服务带来压力；收入增加，可能伴随客户流失；订单看起来很多，毛利却不足以支撑继续扩张。投资人知道公司一定存在问题，他们更关心创始人能否准确指出问题，并说明准备怎样分配人员和资金。

随着融资阶段变化，投资人检查的内容也会逐步增加。种子轮主要判断团队和愿景，公司能否做出产品、是否有人愿意付钱。进入A轮和B轮以后，收入数字已经不够，投资人还会追问收入能否持续、客户是否愿意增加采购，以及每获得一笔收入需要付出多少成本。

奥尔洛夫举过一家公司的例子。创始人很高兴地告诉他，公司每完成一笔销售可以留下20%的毛利。奥尔洛夫根据现金消耗和收入趋势判断，这家公司正在“更快地走向破产”。增长能够放大收入，也会同步放大低毛利带来的亏损。融资规模越大，投资人越会从收入继续向下检查毛利、销售效率和实现正向现金流的可能性。

现金余量还会直接改变融资双方的谈判地位。公司临近资金耗尽时才开始融资，投资人会立刻获得更多筹码。创始人能够用来改善条件的手段主要有两个：让投资人担心错过机会，或者用持续增长证明公司仍有其他选择。现金越少，这两项筹码越难发挥作用。

奥尔洛夫险些失去投资条款的经历，更能说明财务准备如何影响融资。他当时没有虚报数据，只是资料室没有整理完成。当投资人要求查看财务报表、收入合同、员工合同和股权结构时，团队需要几周甚至几个月才能补齐。等待期间，原本聚集在公司周围的融资热度逐渐消退，部分投资人已经转向其他项目。

在投资人看来，资料混乱还会引出新的疑问：公司是否在隐瞒其他问题？创始人拿到数千万甚至上亿美元后，能否妥善管理这些资金？同一家公司、同样的业务，仅仅因为财务和合同无法及时核验，估值和融资结果都可能改变。

具体到本周的宇树IPO，这期节目补上了公司跨越不同资本阶段时，投资标准如何变化。早期投资人可以围绕团队、技术和市场空间下注；公司进入成长期以后，订单质量、毛利和现金消耗开始影响下一轮融资；走到公开市场，财务数据还要接受持续披露和反复定价。

具身智能公司更早完成IPO，压缩了从愿景融资走到公开定价的时间。投资人对商业质量的检查也会随之提前：机器人卖出了多少台，只是收入问题的起点；客户是否持续采购、每台设备能够留下多少利润、扩大量产还需要消耗多少资金，将逐渐成为估值能否维持的依据。

本周特别推荐：数十亿美元，为什么还训练不出一双会干活的手

2025年10月，北美自动化行业协会A3（Association for Advancing Automation）在《Automated》中更新了一期《罗德尼·布鲁克斯谈机器人、人工智能与自动化的未来》。主持人布赖恩·希特（Brian Heater）邀请机器人学家罗德尼·布鲁克斯（Rodney Brooks），讨论资本大量涌入以后，人形机器人仍未解决的几项基础问题。

布鲁克斯曾在麻省理工学院任教25年，参与创办扫地机器人公司iRobot和工业机器人公司Rethink Robotics，目前担任Robust AI首席技术官。iRobot做出了Roomba，Rethink Robotics则在2018年停止运营。过去50年里，他做过实验室中的人形机器人，也经历过机器人从研发、量产到客户部署的完整过程。

节目开始时，布鲁克斯讲了一个刚刚发生的故事。两周前，他在一场酒会上看见一台知名人形机器人。机器人站在七八米外，参加酒会的机器人专家几乎无人围观。布鲁克斯对身边的人开玩笑，要不要过去试试能不能把它推倒。两个人刚转身，那台机器人便自己摔在了地上。

布鲁克斯认为，人形机器人与大语言模型拥有一种相似的融资优势。大语言模型可以像人一样说话，人形机器人可以像人一样移动。语言和身体都在暗示一种尚未得到验证的能力：既然它看起来像人，迟早也能像人一样完成工作。人形外观由此替技术路线提前讲完了故事，两条腿、两条手臂和五根手指，让投资人很容易把搬运、装配、分拣和照护放进同一款产品。

这套推演能否成立，取决于机器人是否可以获得接近人类的操作能力。行业目前常用摄像机、动作捕捉服和手柄记录人类动作，再让机器人模仿相同的运动轨迹。布鲁克斯指出，这些训练记录了手如何移动，却漏掉了手与物体接触之后发生的事情。

拿起一只玻璃杯时，人会根据重量、摩擦力和杯壁的轻微滑动不断调整手指；捏住一只纸杯时，相同力度可能直接让它变形。摄像机只能看到手指合拢，无法记录皮肤承受的压力，也不知道人为什么在某一刻突然减小力气。布鲁克斯说，操纵物理世界的关键同时包含施力与感受力，当前多数训练体系没有采集这部分数据。

这使得机器人的数据问题与大语言模型出现了根本差异。互联网上已经存在海量文本，研究人员可以直接扩大语料与算力；人类数十年来几乎没有系统记录每一次抓握产生的触觉和受力变化。继续增加动作视频，可以让机器人模仿更多轨迹，却无法补回原始数据中从未出现的感觉。布鲁克斯直言，目前连小规模实验都没有证明行业已经“采集了正确的数据，并且在学习正确的东西”。

双足行走同样带来了一项容易被演示视频隐藏的成本。当前的人形机器人检测到身体失衡后，会让电机迅速输出更多能量以恢复平衡。恢复成功，机器人可以继续行走；恢复失败，积累在关节和肢体中的动能便会随着金属身体一起砸向周围。布鲁克斯提醒听众观察企业发布的视频：机器人移动双腿时，工作人员通常保持距离；机器人站定以后，人才会上前接触。他称这个细节为一个明显的“破绽”。

安全问题最终会进入客户的成本表。布鲁克斯认为，进入工厂的机器人需要达到99.999%的可靠性。一台机器人每小时出现一次故障，现场就要长期安排人员照看；50台机器人每天各出一次问题，工厂每天便要处理50次异常。机器人节省的劳动时间，可能重新变成排障、接管和维护成本。客户不会因为一台设备使用了大模型而降低要求，他们只会计算投入以后能否提高效率。

2011年的福岛核事故曾经检验过“人类环境需要人形机器人”这套逻辑。当时日本拥有数量庞大、技术先进的人形机器人，受损的核电站也完全按照人类工作方式设计。最终进入高辐射区域检查仪表、布设通信网络的，是iRobot生产的履带式机器人。双足和人形没有帮助机器人进入现场，履带、稳定性与远程控制完成了任务。

具体到本周的具身智能热潮，宇树快速完成IPO，已经证明资本市场愿意在通用操作能力成熟以前为机器人公司定价。布鲁克斯提出的问题因此更加直接：投资人购买的是已经验证的产品能力，还是由人形外观承载的未来能力。两条腿和两只手可以同时出现在舞台上，灵巧操作、行走安全与工业可靠性仍然需要分别解决。

未来最早形成大规模部署的机器人，可能采用轮式底盘、两指夹爪，只完成一种明确的工作。市场仍然可以沿用“人形机器人”这个名字，工程团队却会为了成本和可靠性，把今天这副最受资本欢迎的身体逐件拆开。